트랙 투 디텍트 앤 세그먼트: 온라인 다중 객체 트래킹

대부분의 온라인 다객체 추적 모델은 추적 정보를 전혀 반영하지 않고 신경망 내에서 객체 탐지 작업을 독립적으로 수행한다. 본 논문에서는 추적 정보를 활용하여 탐지 과정을 종단 간(end-to-end)으로 지원하는 새로운 온라인 통합 탐지 및 추적 모델인 TraDeS(TRAck to DEtect and Segment)를 제안한다. TraDeS는 비용 볼륨(cost volume)을 이용해 객체 추적 오프셋을 추론하며, 이 정보를 활용해 이전 프레임의 객체 특징을 현재 프레임으로 전파함으로써 현재의 객체 탐지 및 세그멘테이션 성능을 향상시킨다. TraDeS의 효과성과 우수성은 MOT(2D 추적), nuScenes(3D 추적), MOTS 및 Youtube-VIS(개체 세그멘테이션 추적) 등 총 4개의 데이터셋에서 입증되었다. 프로젝트 페이지: https://jialianwu.com/projects/TraDeS.html